No dia 18 de junho, pelas 15h00, no Anfiteatro Novo Banco, o Professor Mark Steel apresentará um seminário de investigação integrado nos Research Seminars in Mathematics Applied to Economics and Management, organizados pelo CEMAPRE.
A sessão será proferida pelo Professor Mark Steel e constituirá o nono seminário da série Research Seminars in Mathematics Applied to Economics and Management.
Mark Steel é Professor de Estatística na University of Warwick, tendo sido Presidente do Departamento de Estatística entre 2014 e 2018. Os seus interesses de investigação centram-se na Estatística Bayesiana e Econometria, tanto na sua componente teórica como nas suas aplicações. Trabalha em diversas áreas, sendo atualmente os seus principais focos de interesse a ponderação bayesiana de modelos, a modelação causal e a inferência em modelos com variáveis latentes. Até ao momento, publicou mais de 100 artigos em revistas internacionais e em actas de importantes conferências de aprendizagem automática, tendo reunido mais de 14 600 citações no Google Scholar.
Recentemente, Mark Steel desempenhou as funções de Editor-Chefe da revista Bayesian Analysis e integrou anteriormente os conselhos editoriais de outras revistas de referência em Estatística e Econometria, como o Journal of the Royal Statistical Society, Series B, o Journal of Business and Economic Statistics e o Journal of Econometrics. Desempenhou ainda várias funções na International Society for Bayesian Analysis (ISBA) e na Royal Statistical Society.
Sala: Anfiteatro Novo Banco, 4.º piso, Edifício Quelhas 6
Horário: 15h00
Todos os interessados são convidados a assistir e a participar na sessão.
___________________________________________________
Inference on counterfactual distributions using martingale posteriors
(joint work with Gregor Steiner)
Abstract:
Causal inference is often focused on average effects, which can hide important aspects of the effect distributions. Here we consider the entire posterior effects distribution by estimating full counterfactual outcome distributions. We propose a methodology for inference on counterfactual distributions which builds upon the martingale posterior framework of Fong et al. (JRSS, B, 2023). This provides a highly flexible approach to estimating densities, distribution functions, and derived quantities such as quantiles, which coherently quantifies the epistemic uncertainty on any target estimand of interest. As the predictive recursions are based on an underlying nonparametric model (a Dirichlet process mixture model), it naturally inherits a robustness with respect to restrictive parametric assumptions. This approach can be applied to marginal or conditional counterfactual distributions and is easily extended to an instrumental variables setup. We illustrate our approach on two well-known data sets, one investigating the impact of vitamin A supplementation on children’s survival rates with one-sided noncompliance (analysed in Imbens and Rubin, Annals of Statistics, 1997) and another on the effect of job training (LaLonde, AER, 1986).